自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個識別過程的關(guān)鍵。對采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進(jìn)一步分析、評判，后選定一個佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分離出來。

通過一些后續(xù)處理技術(shù)其可以實現(xiàn)停車場出入口收費管理、盜搶車輛管理、高速公路超速自動化管理、闖紅燈電子警察、公路收費管理等等功能。對于維護(hù)交通安全和城市治安，防止交通堵塞，實現(xiàn)交通全自動化管理有著現(xiàn)實的意義。我國標(biāo)準(zhǔn)汽車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字識別與字母和數(shù)字的識別有很大的區(qū)別，漢字的識別增加了識別的難度；

人工神經(jīng)網(wǎng)絡(luò)技術(shù)，計算機(jī)及相關(guān)技術(shù)發(fā)達(dá)的一些國家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車牌自動識別問題，例如1994年M.M.M.FANHY等就成功地運用了BAM神經(jīng)網(wǎng)絡(luò)方法對車牌上的字符進(jìn)行自動識別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個字符模板對應(yīng)著個BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼。

為了測試一個車牌識別系統(tǒng)識別率，需要將該系統(tǒng)安裝在一個實際應(yīng)用環(huán)境中，全天候運行24小時以上，采集至少1000輛自然車流通行時的車牌照進(jìn)行識別，并且需要將車輛牌照圖像和識別結(jié)果存儲下來，以便調(diào)取查看。然后，還需要得到實際通過的車輛圖像以及正確的人工識別結(jié)果。之后便可以統(tǒng)計出以下識別率：

幾乎每家都宣稱擁有高辨識率，但為了避免事后因為雙方對產(chǎn)品認(rèn)知有差異，而將運作不良的責(zé)任互相推托，用戶在采購車牌辨識系統(tǒng)時，不妨要求實地測試，而且測試時間好超過兩個禮拜，比較能判斷辨識結(jié)果是否“言過其實”。因為多變的環(huán)境，兩個禮拜應(yīng)該可以對于場域可能影響辨識率的情形，大約掌握了八成，如果只是測一天、甚至幾個小時，是無法了解的。

在日常錄入違法號牌信息中發(fā)現(xiàn)車輛號牌信息與系統(tǒng)顯示的車牌信息不符時，民警通過核查車輛信息后，把有違反交通法規(guī)的車輛信息錄入指揮中心的黑名單報警系統(tǒng)。此車在轄區(qū)內(nèi)行駛時，號牌會被系統(tǒng)自動識別報警。